A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Um Modelo de Reputação Baseado em Testemunhos José Guedes Viviane Torres da Silva

Apresentações semelhantes


Apresentação em tema: "Um Modelo de Reputação Baseado em Testemunhos José Guedes Viviane Torres da Silva"— Transcrição da apresentação:

1 Um Modelo de Reputação Baseado em Testemunhos José Guedes Viviane Torres da Silva

2 © LES/PUC-Rio Planejamento das apresentações 1 st : apresentação da abordagem proposta, com destaque para o sistema de reputação centralizado; apresentação do problema que será explorado. 2 nd : mostrar de que forma outras abordagens tratam o problema; apresentar a solução para nossa abordagem 3 rd : mostrar os resultados do uso do sistema de reputação centralizado em um cenário real

3 © LES/PUC-Rio Motivação Aplicações em que agentes podem violar normas Sistemas multi-agentes abertos Agentes precisam saber se outros agentes são confiáveis Agentes avaliam o comportamento de outros agentes –Mau comportamento -> má reputação –Bom comportamento -> boa reputação

4 © LES/PUC-Rio Trabalhos Relacionados Abordagens centralizadas –Exemplos: eBay e Amazon Auctions –Sistema calcula e disponibiliza reputações baseado nas avaliações dos participantes –Vantagem: a reputação de um agente está sempre disponível –Problema: a reputação é um valor global; os agentes utilizam avaliações feitas por terceiros Amazon Site. World Wide Web (2006) eBay Site. World Wide Web (2006)

5 © LES/PUC-Rio Trabalhos Relacionados Abordagens descentralizadas –Reputação baseada em experiências diretas Cada agente avalia e armazena a reputação dos agentes com quem ele interagiu –Exemplo: Regret System –Vantagem: reputação é calculada e armazenada individualmente pelo próprio agente –Problema: agentes não conhecem a reputação de outros agentes antes de interagir com ele Sabater, J., Sierra, C.: Reputation and Social Network Analysis in Multi-Agent Systems. In: Proceedings of First International Conference on Autonomous Agents and Multiagent Systems (AAMAS), Bologna, Italy (2002) pp

6 © LES/PUC-Rio Trabalhos Relacionados Abordagens descentralizadas –Reputação baseada em testemunhas Agentes compartilham com outros agentes suas experiências diretas –Exemplos: Regret System e FIRE Model –Vantagem: agentes podem saber a reputação de outros agentes sem ter interagido com ele –Problema: processo de busca pode ser inviável Sabater, J., Sierra, C.: Reputation and Social Network Analysis in Multi-Agent Systems. In: Proceedings of First International Conference on Autonomous Agents and Multiagent Systems (AAMAS), Bologna, Italy (2002) pp Huynh, T. D., Jennings N. R., Shadbolt, N. R.: FIRE: An Integrated Trust and Reputation Model for Open Multi-Agent Systems. In: Proceedings of the 16th European Conference on Artificial Intelligence (ECAI) (2004) pp

7 © LES/PUC-Rio Trabalhos Relacionados Abordagens descentralizadas –Reputação certificada Após uma interação, um agente solicita ao outro a avaliação e armazena localmente essas avaliações que serão utilizadas como referências em uma próxima interação Agente apresenta as avaliações aos agentes com quem tem intenção em interagir –Exemplo: FIRE Model –Vantagem: as avaliações estão sempre disponíveis –Problema: a reputação certificada é superestimada, pois o agente seleciona somente as melhores avaliações Huynh, T. D., Jennings N. R., Shadbolt, N. R.: FIRE: An Integrated Trust and Reputation Model for Open Multi-Agent Systems. In: Proceedings of the 16th European Conference on Artificial Intelligence (ECAI) (2004) pp

8 © LES/PUC-Rio Abordagem Proposta Modelo Híbrido utiliza os benefícios das duas abordagens

9 © LES/PUC-Rio Sistema de reputação centralizado Defendants Reputation Se o agente for considerado culpado (percentual de culpa > 50%) Poder da norma -> normPower(n i ) Reincidência -> normPower r (n i ) = normPower(n i ) * relapse(n i ) Percentual de culpa -> guiltPerc(a j,n i ) Tempo -> remainingDays(a j,n i ) defendantRep(a j ) = 1 – 0 0.5, boa reputação valor da reputação <= 0.5, má reputação

10 © LES/PUC-Rio Sistema de reputação centralizado Witness Reputation Se o testemunho for falso (percentual de culpa <= 50%) Poder da norma -> normPower(n i ) Reincidência -> normPower r (n i ) = normPower(n i ) * relapse(n i ) WitnessFactor -> normPower rw (n i )=normPower r (n i )* witnessFactor(n i ) Percentual de culpa -> guiltPerc(a j,n i ) Tempo -> remainingDays(a j,n i ) witnessRep(a j ) = 1 – 0 0.5, boa reputação valor da reputação <= 0.5, má reputação

11 © LES/PUC-Rio Sistema de reputação centralizado Tipos de Reputação Role reputation Média das reputações defendant e witness de um agente enquanto desempenhava um determinado papel Norm reputation Para cada norma do sistema o agente tem uma reputação associada Global reputation Média das reputações defendant e witness de um determinado agente globalRep(a j ) = [defendantRep(a j ) + witnessRep(a j )] / 2

12 © LES/PUC-Rio Sistema de reputação centralizado Agente A violou norma n 1 em 01/04/2005 Today:01/04/2005 agente A nunca violou nenhuma norma Poder da norma -> normPower(n i ) = 0.1 Reincidência -> normPower r (n i ) = normPower(n i ) * relapse(n i ) = 0.1 Percentual de culpa -> guiltPerc(a j,n i ) = 100% = 1 Tempo -> remainingDays(a j,n i ) -> Tempo total (n 1 ) = 30 totalTime(n i )– passedDays(a j,n i ) remainingDays(a j,n i )= = 30-0/30 = 1 totalTime(n i ) (firs day) defendantRep(a j ) = 1 – 0

13 © LES/PUC-Rio Problema Agentes que nunca violaram normas possuem reputação máxima Agentes que já violaram normas mas as violações não exercem mais influência na reputação também possuem reputação máxima Novos agentes também possuem reputação máxima Existem 3 situações diferentes quando o valor da reputação do agente é igual a 1 Como diferenciar as três situações ?

14 © LES/PUC-Rio Próximos passos pesquisar outros trabalhos tratamento dado aos novos agentes evolução do modelo híbrido reputação certificada aplicar a abordagem proposta em um caso real

15 © LES/PUC-Rio References 1. Amazon Site. World Wide Web (2006) 2. eBay Site. World Wide Web (2006) 3. Grandison, T., Sloman, M.: A Survey of Trust in Internet Applications. IEEE Communications Surveys & Tutorials 3(4) (2000) 4. Huynh, T. D., Jennings N. R., Shadbolt, N. R.: FIRE: An Integrated Trust and Reputation Model for Open Multi-Agent Systems. In: Proceedings of the 16th European Conference on Artificial Intelligence (ECAI) (2004) pp. 18 – Sabater, J., Sierra, C.: Reputation and Social Network Analysis in Multi-Agent Systems. In: Proceedings of First International Conference on Autonomous Agents and Multiagent Systems (AAMAS), Bologna, Italy (2002) pp Silva, V., Lucena, C.: Governance in Multi-Agent Systems Based on Witnesses. Pontifical Catholic University of Rio de Janeiro (PUC-Rio). Rio de Janeiro - Brazil (2005) Systems (2002) 7. Zacharia G. Collaborative reputation mechanisms for online communities. Master s thesis, Massachusetts Institute of Technology (1999)


Carregar ppt "Um Modelo de Reputação Baseado em Testemunhos José Guedes Viviane Torres da Silva"

Apresentações semelhantes


Anúncios Google